INITIALIZING NEURAL CORE INICJALIZACJA RDZENIA NEURONOWEGO
|
Wykorzystujemy Uczenie ze Wzmocnieniem (RL), aby osiągać perfekcyjne linie wyścigowe w Formule 1.
Nasza Wizja
Overclocked to nasz zespół na projekt konkursowy IBM AI racing competition. Naszym celem jest zbudowanie i odpowiednie wytrenowanie sieci neuronowych prowadzących bolid typu formuła w symulatorze TORCS — od surowych czujników po konkurencyjne czasy okrążeń.
NEURAL_NET: ACTIVE
AERO_MODEL: BOLIDE_V1
W liczbach
Partner Akademicki
Napędzane Przez
overclocked opiera się na synergii najnowszych technologii sztucznej inteligencji oraz wsparcia akademickiego. Wykorzystując zaawansowane możliwości modelu IBM Granite, przesuwamy granice przetwarzania danych i autonomicznego podejmowania decyzji. Jednocześnie, Politechnika Świętokrzyska zapewnia nam kluczowe zaplecze techniczne oraz infrastrukturę niezbędną do trenowania i rygorystycznego testowania naszych modeli sieci neuronowych.
Aktualizacje Systemu
Faza 6
Dostarczany model bc_v6.pth (429 KB) uzyskał 92,04 s na punktowanym okrążeniu ze startu zatrzymanego (z paliwem i ...
Faza 5
Nastrojony teacher v6 został sklonowany do sieci MLP o 109 tys. parametrów (32→256→256→128→2, LayerNorm, tanh) na ...
Faza 4
v5 liczy prędkość na szczycie zakrętu z najciaśniejszego czujnika przedniego (v_apex = c·√sev) i dodaje człon zasi...
Faza 4
Narzędzie telemetryczne prędkość–dystans ujawniło twardy sufit 174 km/h na każdej prostej — niewidoczny w samych c...
Faza 4
Porównane zostały trzy rodziny kontrolerów. v3 (statyczne punkty prędkości i linii po pozycji na torze) zbiegł do ...
Technology Dependencies Zależności Technologiczne
Click any node to learn how it fits into the project. Kliknij dowolny węzeł, aby zobaczyć jego rolę w projekcie.
Training Pipeline Ścieżka Treningu
Click any step to see what it means and why we chose it. Kliknij dowolny krok, aby zobaczyć co oznacza i dlaczego go wybraliśmy.
Wnętrze modelu
Sieć nigdy nie widzi pikseli. Co 20 ms otrzymuje wektor 32 liczb: 19 promieni do krawędzi toru oraz własną prędkość, kąt i więcej. Najedź kursorem na tor, aby zobaczyć reakcję promieni.
19 czujników krawędzi toru · −45° do +45°
Jesteśmy zespołem studentów pierwszego roku, dla których ten projekt stał się punktem zwrotnym. Zapisując się do konkursu IBM, startowaliśmy z wiedzą o sieciach neuronowych równą absolutnemu zeru. To wyzwanie rzuciło nas na głęboką wodę i zmotywowało do spędzenia setek godzin na samodzielnej nauce - od matematycznych podstaw uczenia maszynowego, przez strategie ewolucyjne aż po zaawansowane algorytmy uczenia ze wzmocnieniem (PPO, SAC).
Team Leader, Neural Network Architect
Neural Network Architect
WEB architect
Web Architect
Neural Network Architect
Social media manager
Napisz do nas